买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利结合对比学习和多标签学习的小样本增量故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120632569B 。

龙图腾网通过国家知识产权局官网在2025-12-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510752550.7，技术领域涉及：G06F18/241；该发明授权结合对比学习和多标签学习的小样本增量故障诊断方法是由蔡正阳;张星泽;张强;赵爽耀;温创辉设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本结合对比学习和多标签学习的小样本增量故障诊断方法在说明书摘要公布了：本发明提供一种结合对比学习和多标签学习的小样本增量故障诊断方法、系统、存储介质和电子设备，涉及智能制造与设备健康管理技术领域。本发明中，构建包含所有的细粒度故障类别的少样本集合；基于少样本集合的源域数据，对结合有监督对比学习和多属性学习的模型进行预训练；再次冻结预训练后的模型的特征提取器，并基于少样本集合的目标域数据，对预训练后的模型的线性分类头进行微调，最终实现细粒度故障类别的预测。本发明可应用于旋转机械、齿轮箱等各类机械设备在不同工况环境下的细粒度故障甄别和新故障识别，能够有效定位故障发生的工况环境、严重程度和具体类型，精准追溯故障发生的真实原因和细节逻辑。

本发明授权结合对比学习和多标签学习的小样本增量故障诊断方法在权利要求书中公布了：1.一种结合对比学习和多标签学习的小样本增量故障诊断方法，其特征在于，包括： 采集并划分多传感器信号数据，构建包含所有的细粒度故障类别的少样本集合，并将所述少样本集合划分为源域数据和目标域数据；其中，所述细粒度故障类别按照不同属性标签的取值进行确定，所述属性标签至少包括故障工况、已知的故障类别及故障程度；所述源域数据与所述目标域数据对应的细粒度故障类别不重合； 基于所述源域数据，对结合有监督对比学习和多属性学习的模型进行预训练； 预训练阶段的一个批次包括N个样本，所述源域数据表示为对于Y个细粒度故障类别，每类故障样本的数量为将第i个样本xi对应的细粒度故障类别下的所有样本作为xi的正样本集合，其他细粒度故障类别下的所有样本作为xi的负样本集合，构建有监督对比损失；第i个样本xi带有L个属性标签，第l个属性共有Cl个取值，为xi第l个属性的独热标签，构建多属性交叉熵损失；基于所述有监督对比损失和所述多属性交叉熵损失，构建多任务学习和预训练损失； 在所述多任务学习和预训练损失达到收敛状态后，冻结预训练后的模型的特征提取器，并基于所述目标域数据，对预训练后的模型的线性分类头进行微调； 微调阶段的一个批次包括M个样本，所述目标域数据表示为第j个样本的细粒度故障类别的标签为，构建分类交叉熵损失；在所述分类交叉熵损失达到收敛状态后，将待诊断的多传感器信号数据作为微调后的模型的输入，以预测相应的细粒度故障类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。